WO2018113469A1 - 一种资源分配方法和装置 - Google Patents

一种资源分配方法和装置 Download PDF

Info

Publication number
WO2018113469A1
WO2018113469A1 PCT/CN2017/112258 CN2017112258W WO2018113469A1 WO 2018113469 A1 WO2018113469 A1 WO 2018113469A1 CN 2017112258 W CN2017112258 W CN 2017112258W WO 2018113469 A1 WO2018113469 A1 WO 2018113469A1
Authority
WO
WIPO (PCT)
Prior art keywords
target
resource
value
output indicator
equation
Prior art date
Application number
PCT/CN2017/112258
Other languages
English (en)
French (fr)
Inventor
王天祎
Original Assignee
北京国双科技有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 北京国双科技有限公司 filed Critical 北京国双科技有限公司
Publication of WO2018113469A1 publication Critical patent/WO2018113469A1/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • Step 106 Obtain a target resource value.
  • step 202 may not be performed.
  • Step A2 Perform a sliding test on the regression function using the test set to obtain a plurality of R square values.
  • the calculating unit 504 is configured to obtain a target resource allocation according to the target resource value and the target equation, wherein the target resource allocation is a resource allocation scheme that obtains a maximum output indicator value after the target resource value is allocated to the at least two conversion channels.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种资源分配方法和装置,用于有效求出最优的资源分配方案。该方法包括:获取至少两个转化渠道的历史数据(101),对每一转化渠道的每一产出指标,根据所述产出指标数值和资源数值,建立回归函数(102),获取限定条件和预期目标(103),根据所述限定条件和所述预期目标,对所述至少两个转化渠道建立优化方程(104),将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程(105),获取目标资源数值(106),根据所述目标资源数值和所述目标方程,得到目标资源分配(107)。这样,根据历史数据和约束条件即可得到最优的资源分配的方案。

Description

一种资源分配方法和装置
本申请要求于2016年12月23日提交中国专利局、申请号为201611208588.5、发明名称为“一种资源分配方法和装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本发明涉及数据处理领域,尤其涉及一种资源分配方法和装置。
背景技术
在一些转化渠道,对其投入资源,其将输出相应的产出。在有多个不同的转化渠道的场景,将会涉及到资源分配的问题,即怎么为这多个转化渠道分配预定的资源,从而得到最大的产出。
现有的方法是,用户根据以往的经验,人工地为不同的转化渠道分配资源。
但是,这种方法依据的是人为的经验,不同人之间经验层次不齐,且受人的感性认识影响,缺乏一个量化的标准,缺乏量化的科学依据,从而导致资源分配的产出结果往往并不理想。
发明内容
本发明实施例提供了一种资源分配方法和装置,用于有效求出最优的资源分配方案。
为了解决上述技术问题,本发明实施例提供了以下技术方案:
一种资源分配方法,包括:
获取至少两个转化渠道的历史数据,其中所述历史数据包括产出指标数值和资源数值;
对每一转化渠道的每一产出指标,根据所述产出指标数值和资源数值,建立回归函数,其中所述回归函数的自变量表示资源且因变量表示产出指标;
获取限定条件和预期目标,其中所述限定条件表示产出指标需满足的条件约束,所述预期目标表示在资源的预设值下,所述转化渠道能够输出的产出指标的数值;
根据所述限定条件和所述预期目标,对所述至少两个转化渠道建立优化方程,其中在所述优化方程中,产出指标函数的自变量表示资源;
将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程;
获取目标资源数值;
根据所述目标资源数值和所述目标方程,得到目标资源分配,其中所述目标资源分配为将所述目标资源数值分配给所述至少两个转化渠道后得到最大产出指标数值的资源分配方案。
为了解决上述技术问题,本发明实施例还提供了以下技术方案:
一种资源分配装置,包括:
获取单元,用于获取至少两个转化渠道的历史数据,其中所述历史数据包括产出指标数值和资源数值;
建立单元,用于对每一转化渠道的每一产出指标,根据所述产出指标数值和资源数值,建立回归函数,其中所述回归函数的自变量表示资源且因变量表示产出指标;
所述获取单元,还用于获取限定条件和预期目标,其中所述限定条件表示产出指标需满足的条件约束,所述预期目标表示在资源的预设值下,所述转化渠道能够输出的产出指标的数值;
所述建立单元,还用于根据所述限定条件和所述预期目标,对所述至少两个转化渠道建立优化方程,其中在所述优化方程中,产出指标函数的自变量表示资源;
代入单元,用于将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程;
所述获取单元,还用于获取目标资源数值;
计算单元,用于根据所述目标资源数值和所述目标方程,得到目标资源分配,其中所述目标资源分配为将所述目标资源数值分配给所述至少两个转化渠道后得到最大产出指标数值的资源分配方案。
从以上技术方案可以看出,本发明实施例具有以下优点:
获取至少两个转化渠道的历史数据,其中历史数据包括产出指标数值和资源数值,然后,对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数,其中回归函数的自变量表示资源且因变量表示产出指标。以及,获取限定条件和预期目标,其中限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值,以根据限定条件和预期目标,对至少两个转化渠道建立优化方程,其中在优化方程中,产出指标函数的自变量表示资源,这样,将每一转化渠道的回归函数代入优化方程,得到目标方程。为了求出对目标资源数值的资源分配方案,先获取目标资源数值,然后根据目标资源数值和目标方程,得到目标资源分配,该目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。这样,通过转化渠道的历史数据即可得到关于产出指标和资源的回归函数,将该回归函数和优化方程结合,得到的目标方程可用于计算出目标资源数值对应的目标资源分配,从而根据历史数据和约束条件即可得到最优的资源分配的方案。
附图说明
图1为本发明实施例提供的一种资源分配方法的方法流程图;
图2为本发明实施例提供的一种资源分配方法的方法流程图;
图3为图2所示资源分配方法所涉及的图表;
图4为图2所示资源分配方法所涉及的另一图表;
图5为本发明实施例提供的一种资源分配装置的结构示意图。
具体实施方式
本发明实施例提供了一种资源分配方法和装置,用于有效求出最优的资源分配方案。
图1为本发明实施例提供的一种资源分配方法的方法流程图。参阅图1,本发明实施例的资源分配方法包括:
步骤101:获取至少两个转化渠道的历史数据,其中历史数据包括产出指标数值和资源数值;
步骤102:对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数,其中回归函数的自变量表示资源且因变量表示产出指标;
步骤103:获取限定条件和预期目标,其中限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值;
步骤104:根据限定条件和预期目标,对至少两个转化渠道建立优化方程,其中在优化方程中,产出指标函数的自变量表示资源;
步骤105:将每一转化渠道的回归函数代入优化方程,得到目标方程;
步骤106:获取目标资源数值;
步骤107:根据目标资源数值和目标方程,得到目标资源分配,其中目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。
可选地,
获取目标资源数值,包括:
获取至少两个目标资源数值;
根据目标资源数值和目标方程,得到目标资源分配之后,方法还包括:
根据目标资源分配,计算产出指标的目标数值,其中产出指标的目标数值与目标资源数值对应;
根据至少两组相互对应的目标资源数值和产出指标的目标数值,绘制图表;
在图表中确定符合预设要求的目标点;
确定与目标点对应的资源分配。
可选地,
在图表中确定符合预设要求的目标点,包括:
在图表中确定极值点或拐点为目标点。
可选地,
根据产出指标数值和资源数值,建立回归函数,包括:
根据产出指标数值和资源数值,使用多种回归分析方法建立多个回归函数;
方法还包括:
从多个回归函数中确定一拟合效果最优的目标回归函数;
将每一转化渠道的回归函数代入优化方程,得到目标方程,包括:
将每一转化渠道的目标回归函数代入优化方程,得到目标方程。
可选地,
从多个回归函数中确定一拟合效果最优的目标回归函数,包括:
根据历史数据建立测试集;
使用测试集对回归函数进行滑动测试,得到多个R方值;
根据多个R方值得到平均R方值;
从多个回归函数中确定平均R方值最大的目标回归函数。
可选地,
回归函数的自变量为经过维度扩充的资源;
根据产出指标数值和资源数值,建立回归函数之前,方法还包括:
对资源数值进行维度扩充。
可选地,
限定条件表示目标产出指标需满足的条件约束,目标产出指标为产出指标的子集。
综上所述,获取至少两个转化渠道的历史数据,其中历史数据包括产出指标数值和资源数值,然后,对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数,其中回归函数的自变量表示资源且因变量表示产出指标。以及,获取限定条件和预期目标,其中限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值,以根据限定条件和预期目标,对至少两个转化渠道建立优化方程,其中在优化方程中,产出指标函数的自变量表示资源,这样,将每一转化渠道的回归函数代入优化方程,得到目标方程。为了求出对目标资源数值的资源分配方案,先获取目标资源数值,然后根据目标资源数值和目标方程,得到目标资源分配,该目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。这样,通过转化渠道的历史数据即可得到关于产出指标和资源的回归函数,将该回归函数和优化方程结合,得到的目标方程可用于计算出目标资源数值对应的目标资源分配,从而根据历史数据和约束条件即可得到最优的资源分配的方案。
图2为本发明实施例提供的一种资源分配方法。参阅图2,本发明实施例的资源分配方法包括:
步骤201:获取至少两个转化渠道的历史数据。
其中,历史数据包括产出指标数值和资源数值。
分配设备获取至少两个转化渠道的历史数据,可以是用户向分配设备输入该历史数据,也可以是分配设备从数据库中获取预存的转化渠道的历史数据。
该分配设备为执行本发明实施例的方法的设备,转化渠道为获取资源并根据该资源输出产出的装置,转化渠道包括但不限于媒体渠道、服务器、计算设备等。历史数据为对转化渠道已完成的转化操作记录下的数据,历史数据包括产出指标数值和资源数值,即在以往的操作中,向转化渠道输入该资源数值后得到产出指标数值。在历史数据中,包括多对产出指标数值和资源数值。产出指标数值为产出指标的数值,产出指标可包括一种或多种,例如,展现、点击、订单、消费等指标,而资源数值为资源的数值,资源的类型包括但不限于金钱预算、时间资源、频段资源等一个或多个类型。在本发明实施例中,在一转化渠道中,一种产出指标的数值对应一资源数值。
例如,在数据库中存储有多个媒体渠道投放广告的历史数据,分配设备从数据库获取该历史数据,每一媒体渠道的历史数据包括产出指标数值和对应的预算,其中指标包括点击指标和订单指标。
步骤202:对资源数值进行维度扩充。
为了使得本发明实施例有更多的分析数据,以建立准确的回归函数模型,分配设备在获取到资源数值后,对该资源数值进行维度扩充,即对输入维度进行维度扩充,如进行多项事项、对数项、指数项的扩充,从而丰富维度类型。
可以理解,在本发明有的实施例中,可以不执行步骤202。
步骤203:对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数。
其中,回归函数的自变量表示资源,且因变量表示产出指标。若该资源数值已经过维度扩充,则回归函数的自变量为经过维度扩充的资源。
在指标为至少两种时,一个回归方程对应一个指标,从而此时建立有多个回归函数。回归函数表征资源与产出指标的回归函数关系。
例如,分配设备获取到媒体渠道A的历史数据:相互对应的多组预算和订单数值、和相互对应的多组预算和点击数值,以及获取到媒体渠道B的历史数据:相互对应的多组预算和订单数值、和相互对应的多组预算和点击数值后,分配设备可根据这些数据使用回归方法建立多个回归函数:媒体渠道A订单量=g1(x1),媒体渠道B订单量=g2(x2),媒体渠道A点击=f1(x1),媒体渠道B点击=f2(x2),x1表示媒体渠道A的预算,x2表示媒体渠道B的预算。
在本发明有的实施例中,为了得到更有效的回归函数,可以对每一转化渠道的每一种指标建立多个回归函数,然后再从中选择一个最优的以用来执行后续操作。例如,步骤203可为,根据产出指标数值和资源数值,使用多种回归分析方法建立多个回归函数。从而,本发明实施例的方法还包括:从多个回归函数中确定一拟合效果最优的目标回归函数,该目标回归函数即可用于后续步骤。
其中,回归分析方法包括但不限于广义线性、提升树、回归树、最近邻、岭回归、Lasso回归等方法。
其中,从多个回归函数中确定一拟合效果最优的目标回归函数,具有多种方式,现举一例:
步骤A1:根据历史数据建立测试集。
分配设备根据上述步骤获取的历史数据建立测试集,该测试集用于对建立的回归函数进行测试检验。其中,多个属于同一指标的回归函数对应一个测试集。
步骤A2:使用测试集对回归函数进行滑动测试,得到多个R方值。
对每一回归函数都用其对应的测试集进行滑动测试,即每滑动一个测试窗口,进行一次测试集的R方值计算,这样经过了多次的窗口滑动,就产生了多个R方值。其中一个测试窗口对应于一对产出指标数值和资源数值,滑动一个测试窗口,则将该测试窗口的资源数值输入被测试的回归函数。
其中,R方值是趋势线拟合程度的指标,它的数值大小可以反映趋势线的估计值与对应的实际数据之间的拟合程度。R方值是取值范围在0~1之间的数值,当趋势线的R方值等于1或接近1时,其可靠性最高,反之则可靠性较低。R方值也称为决定系数。
步骤A3:根据多个R方值得到平均R方值。
对一回归函数进行滑动测试后,得到多个R方值,取所有R方值的平均值,作为该回归函数的测试结果。
步骤A4:从多个回归函数中确定平均R方值最大的目标回归函数。
将属于同一产出指标的多个回归函数的平均R方值进行比较,确定出平均R方值最大 的目标回归函数。
R方值的大小代表了函数模型在测试集上的拟合效果好坏,其中R方越大表明拟合效果越好。从而,平均R方值最大的目标回归函数为最优的回归函数。
这样,经过以上步骤,对于每一个转化渠道的每一个产出指标,都建立了从输入资源到输出指标的函数关系。
步骤204:获取限定条件和预期目标。
分配设备获取限定条件和预设条件,例如用户向分配设备输入该限定条件和预期目标,或者限定条件和预期目标预先建立完成并存储在设备上。
其中,限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值。例如,该预期目标是在指定的资源条件下,期望转化渠道输出的产出指标的数值。例如,平均点击价格、平均订单成本等都可作为预期目标。
而不同行业不同领域,限定条件也不同。限定条件一般来源于实际业务场景,该限定条件可以设定为多组,可来源于实际业务应用,且可根据用户需要进行更改。
在本发明有的实施例中,该限定条件所属的指标可以不包括全部指标,而是选择部分指标作为限定条件。即限定条件表示目标产出指标需满足的条件约束,该目标产出指标为步骤201的产出指标的子集。
例如,选择全部指标中的KPI(关键绩效指标),KPI为考核的主要指标。
步骤205:根据限定条件和预期目标,对该至少两个转化渠道建立优化方程。
其中,在优化方程中,产出指标函数的自变量表示资源。
分配设备获取限定条件和预设条件后,根据需要满足的限定条件,以及预期目标,列出所有关于目标产出的优化方程,该优化方程可表现为优化目标,以及约束条件等。
例如,有两个媒体渠道A、B,产出指标只考虑点击量和订单量,有如下函数:媒体渠道A订单量=g1(x1),媒体渠道B订单量=g2(x2),媒体渠道A点击=f1(x1),媒体渠道B点击=f2(x2),x1表示媒体渠道A的预算,x2表示媒体渠道B的预算。从而获取限定条件和预设条件后,可得如下优化方程公式:
Figure PCTCN2017112258-appb-000001
在该公式中,f1(x1)+f2(x2)大于100000即为预期目标的其中之一。
步骤206:将每一转化渠道的回归函数代入优化方程,得到目标方程。
将步骤203建立的回归方程代入该优化方程,即可得到目标方程,根据该目标方程可求出目标资源分配。
在本发明有的实施例中,代入优化方程的回归函数为从属于同一产出指标的多个回归函数中确定的目标回归函数。即将每一转化渠道的目标回归函数代入优化方程,得到目标方程。
步骤207:获取目标资源数值。
分配设备获取待分配的目标资源数值。
步骤208:根据目标资源数值和目标方程,得到目标资源分配。
其中,目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。
分配设备获取到目标资源数值后,为各个转化渠道分配该目标资源数值,即根据目标资源数值,解目标方程,得到的一组解,即代表各个转化渠道的资源数值,也就是最佳资源分配。
其中,限定条件或预期目标包括资源条件,根据目标资源数值,解目标方程,需要在该资源条件下进行解目标方程。上述优化方程中的x1+x2小于等于10000即为该资源条件之一,在有的实施例中,资源条件有多组。
其中解目标方程的方法,例如可以使用梯度下降法、模拟退火算法等。
这样,通过上述方法,即可得到如何为多个转化渠道分配目标资源数值,本发明实施例的方法得到的分配方案,是最优的资源分配方案,使用该最优的资源分配方案后,即将该目标资源数值按照该资源分配方案为各个转化渠道进行分配后,得到的产出指标的数值为最大的。
但是,有时用户的目标资源数值是不确定的,用户需要得知在一资源数值范围内怎么使用具体的资源数值才能使得转化渠道输出最优的产出。
为此,在本发明有的实施例中,上述步骤207具体为获取至少两个目标资源数值,这样,步骤208得到的目标资源分配为多个,即得到目标资源分配集。步骤208之后,该资源分配方法还包括下述步骤。
步骤209:根据目标资源分配,计算产出指标的目标数值。
其中,产出指标的目标数值与目标资源数值对应,即由目标资源数值得到该目标资源分配后,根据该目标资源分配得到该产出指标的目标数值。不同的目标资源分配分别对应有产出指标的目标数值。
具体的计算方法可以为:求解目标资源分配以后,将目标资源分配带回到回归方程中即可得到目标数值,如不能直接得到,则通过代数运算进行计算,求得该产出指标的目标数值。
步骤210:根据至少两组相互对应的目标资源数值和产出指标的目标数值,绘制图表。
因目标资源数值为多个,对每个目标资源数值执行上述步骤后,得到多组相互对应的目标资源数值和产出指标的目标数值,根据这些数据,即可绘制图表。
在产出指标为多个时,则对每一产出指标,在相同的坐标系下绘制不同资源数值下绘制产出指标的目标数值。
如图3和图4所示,图3示出了资源和产出指标点击的图表关系,图4示出了资源和产出指标订单的图表关系。
步骤211:在图表中确定符合预设要求的目标点。
绘制完成图表后,用户即可直观地观察这些不同产出指标的图表,在这些图表中,根据可视化效果,选择用户需要的目标点,例如在图表中确定极值点或拐点为目标点。
步骤212:确定与目标点对应的资源分配。
用户选择了目标点,即可根据该目标点计算出对应的资源分配。
在产出指标为多个时,得到图表为多个,此时用户可根据需要确定一核心指标,然后 在该核心指标对应的图表中确定目标点,例如确定极值点,根据该极值点即可计算出与该极值点对应的资源分配。该对应的资源分配为在实际业务中,满足用户需要的产出指标需求的情况下,最优的资源分配方案,即该与目标点对应的资源分配属于目标资源分配之一,且为了实现该与目标点对应的资源分配用户需向转化渠道投入的资源数值符合用户的需求,该投入的资源数值较为合理。
综上所述,根据历史数据,使用回归分析得到预算与产出指标的回归关系,然后结合限定条件,通过数学上的优化理论框架得到最佳资源分配集合,然后通过可视化选择,选取最佳资源分配,实现了对最佳资源分配的确定。
图5为本发明实施例提供的一种资源分配装置的结构示意图。参阅图5,本发明实施例的资源分配装置包括:
获取单元501,用于获取至少两个转化渠道的历史数据,其中历史数据包括产出指标数值和资源数值;
建立单元502,用于对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数,其中回归函数的自变量表示资源且因变量表示产出指标;
获取单元501,还用于获取限定条件和预期目标,其中限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值;
建立单元502,还用于根据限定条件和预期目标,对至少两个转化渠道建立优化方程,其中在优化方程中,产出指标函数的自变量表示资源;
代入单元503,用于将每一转化渠道的回归函数代入优化方程,得到目标方程;
获取单元501,还用于获取目标资源数值;
计算单元504,用于根据目标资源数值和目标方程,得到目标资源分配,其中目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。
可选地,
获取单元501,还用于获取至少两个目标资源数值;
装置还包括:
数值计算单元505,用于根据目标资源分配,计算产出指标的目标数值,其中产出指标的目标数值与目标资源数值对应;
绘制单元506,用于根据至少两组相互对应的目标资源数值和产出指标的目标数值,绘制图表;
第一确定单元507,用于在图表中确定符合预设要求的目标点;
第二确定单元508,用于确定与目标点对应的资源分配。
可选地,
第一确定单元507,还用于在图表中确定极值点或拐点为目标点。
可选地,
建立单元502,还用于根据产出指标数值和资源数值,使用多种回归分析方法建立多个回归函数;
装置还包括:
第三确定单元509,用于从多个回归函数中确定一拟合效果最优的目标回归函数;
代入单元503,还用于将每一转化渠道的目标回归函数代入优化方程,得到目标方程。
可选地,
第三确定单元509,包括:
建立模块510,用于根据历史数据建立测试集;
测试模块511,用于使用测试集对回归函数进行滑动测试,得到多个R方值;
计算模块512,用于根据多个R方值得到平均R方值;
确定模块513,用于从多个回归函数中确定平均R方值最大的目标回归函数。
可选地,
回归函数的自变量为经过维度扩充的资源;
装置还包括:
扩充单元514,用于对资源数值进行维度扩充。
可选地,
限定条件表示目标产出指标需满足的条件约束,目标产出指标为产出指标的子集。
综上所述,获取单元501获取至少两个转化渠道的历史数据,其中历史数据包括产出指标数值和资源数值,然后,建立单元502对每一转化渠道的每一产出指标,根据产出指标数值和资源数值,建立回归函数,其中回归函数的自变量表示资源且因变量表示产出指标。以及,获取单元501获取限定条件和预期目标,其中限定条件表示产出指标需满足的条件约束,预期目标表示在资源的预设值下,转化渠道能够输出的产出指标的数值,建立单元502根据限定条件和预期目标,对至少两个转化渠道建立优化方程,其中在优化方程中,产出指标函数的自变量表示资源,这样,代入单元503将每一转化渠道的回归函数代入优化方程,得到目标方程。为了求出对目标资源数值的资源分配方案,获取单元501先获取目标资源数值,然后计算单元504根据目标资源数值和目标方程,得到目标资源分配,该目标资源分配为将目标资源数值分配给至少两个转化渠道后得到最大产出指标数值的资源分配方案。这样,通过转化渠道的历史数据即可得到关于产出指标和资源的回归函数,将该回归函数和优化方程结合,得到的目标方程可用于计算出目标资源数值对应的目标资源分配,从而根据历史数据和约束条件即可得到最优的资源分配的方案。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

  1. 一种资源分配方法,其特征在于,包括:
    获取至少两个转化渠道的历史数据,其中所述历史数据包括产出指标数值和资源数值;
    对每一转化渠道的每一产出指标,根据所述产出指标数值和资源数值,建立回归函数,其中所述回归函数的自变量表示资源,且因变量表示产出指标;
    获取限定条件和预期目标,其中所述限定条件表示产出指标需满足的条件约束,所述预期目标表示在资源的预设值下,所述转化渠道能够输出的产出指标的数值;
    根据所述限定条件和所述预期目标,对所述至少两个转化渠道建立优化方程,其中所述优化方程包括产出指标函数,所述产出指标函数的自变量表示资源;
    将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程;
    获取目标资源数值;
    根据所述目标资源数值和所述目标方程,得到目标资源分配,其中所述目标资源分配为将所述目标资源数值分配给所述至少两个转化渠道后得到最大产出指标数值的资源分配方案。
  2. 根据权利要求1所述的方法,其特征在于,
    所述获取目标资源数值,包括:
    获取至少两个目标资源数值;
    所述根据所述目标资源数值和所述目标方程,得到目标资源分配之后,所述方法还包括:
    根据所述目标资源分配,计算产出指标的目标数值,其中所述产出指标的目标数值与所述目标资源数值对应;
    根据至少两组相互对应的所述目标资源数值和所述产出指标的目标数值,绘制图表;
    在所述图表中确定符合预设要求的目标点;
    确定与所述目标点对应的资源分配。
  3. 根据权利要求2所述的方法,其特征在于,
    所述在所述图表中确定符合预设要求的目标点,包括:
    在所述图表中确定极值点或拐点为目标点。
  4. 根据权利要求1至3任一项所述的方法,其特征在于,
    所述根据所述产出指标数值和资源数值,建立回归函数,包括:
    根据所述产出指标数值和资源数值,使用多种回归分析方法建立多个回归函数;
    所述方法还包括:
    从所述多个回归函数中确定一拟合效果最优的目标回归函数;
    所述将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程,包括:
    将所述每一转化渠道的所述目标回归函数代入所述优化方程,得到目标方程。
  5. 根据权利要求4所述的方法,其特征在于,
    所述从所述多个回归函数中确定一拟合效果最优的目标回归函数,包括:
    根据所述历史数据建立测试集;
    使用所述测试集对所述回归函数进行滑动测试,得到多个R方值;
    根据所述多个R方值得到平均R方值;
    从所述多个回归函数中确定平均R方值最大的目标回归函数。
  6. 根据权利要求1至3任一项所述的方法,其特征在于,
    所述回归函数的自变量为经过维度扩充的资源;
    所述根据所述产出指标数值和资源数值,建立回归函数之前,所述方法还包括:
    对所述资源数值进行维度扩充。
  7. 根据权利要求1至3任一项所述的方法,其特征在于,
    所述限定条件表示目标产出指标需满足的条件约束,所述目标产出指标为所述产出指标的子集。
  8. 一种资源分配装置,其特征在于,包括:
    获取单元,用于获取至少两个转化渠道的历史数据,其中所述历史数据包括产出指标数值和资源数值;
    建立单元,用于对每一转化渠道的每一产出指标,根据所述产出指标数值和资源数值,建立回归函数,其中所述回归函数的自变量表示资源且因变量表示产出指标;
    所述获取单元,还用于获取限定条件和预期目标,其中所述限定条件表示产出指标需满足的条件约束,所述预期目标表示在资源的预设值下,所述转化渠道能够输出的产出指标的数值;
    所述建立单元,还用于根据所述限定条件和所述预期目标,对所述至少两个转化渠道建立优化方程,其中在所述优化方程中,产出指标函数的自变量表示资源;
    代入单元,用于将所述每一转化渠道的所述回归函数代入所述优化方程,得到目标方程;
    所述获取单元,还用于获取目标资源数值;
    计算单元,用于根据所述目标资源数值和所述目标方程,得到目标资源分配,其中所述目标资源分配为将所述目标资源数值分配给所述至少两个转化渠道后得到最大产出指标数值的资源分配方案。
  9. 根据权利要求8所述的装置,其特征在于,
    所述获取单元,还用于获取至少两个目标资源数值;
    所述装置还包括:
    数值计算单元,用于根据所述目标资源分配,计算产出指标的目标数值,其中所述产出指标的目标数值与所述目标资源数值对应;
    绘制单元,用于根据至少两组相互对应的所述目标资源数值和所述产出指标的目标数值,绘制图表;
    第一确定单元,用于在所述图表中确定符合预设要求的目标点;
    第二确定单元,用于确定与所述目标点对应的资源分配。
  10. 根据权利要求8或9所述的装置,其特征在于,
    所述建立单元,还用于根据所述产出指标数值和资源数值,使用多种回归分析方法建立多个回归函数;
    所述装置还包括:
    第三确定单元,用于从所述多个回归函数中确定一拟合效果最优的目标回归函数;
    所述代入单元,还用于将所述每一转化渠道的所述目标回归函数代入所述优化方程,得到目标方程。
PCT/CN2017/112258 2016-12-23 2017-11-22 一种资源分配方法和装置 WO2018113469A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201611208588.5A CN108241898A (zh) 2016-12-23 2016-12-23 一种资源分配方法和装置
CN201611208588.5 2016-12-23

Publications (1)

Publication Number Publication Date
WO2018113469A1 true WO2018113469A1 (zh) 2018-06-28

Family

ID=62624418

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/112258 WO2018113469A1 (zh) 2016-12-23 2017-11-22 一种资源分配方法和装置

Country Status (2)

Country Link
CN (1) CN108241898A (zh)
WO (1) WO2018113469A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361834A (zh) * 2020-03-02 2021-09-07 北京沃东天骏信息技术有限公司 一种确定分配量的方法和装置
CN113780710A (zh) * 2021-01-27 2021-12-10 北京沃东天骏信息技术有限公司 由电子设备执行的资源配置方法和资源配置装置
CN115226131A (zh) * 2022-07-19 2022-10-21 重庆邮电大学 一种基于能效权衡的资源分配方法
CN115277417A (zh) * 2022-07-29 2022-11-01 中国人民解放军国防科技大学 基于变异系数权重约束提升通信设备资源利用率的方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409593B (zh) * 2018-10-17 2021-07-16 郑州大学 用于辅助医院财务预算分配决策的流程管理方法及系统
CN112330039B (zh) * 2020-11-12 2021-06-25 清华大学 资源分配方法及装置和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663519A (zh) * 2012-04-01 2012-09-12 浙江盘石信息技术有限公司 网络广告投放中媒体选择的优化系统及方法
CN104636954A (zh) * 2014-12-08 2015-05-20 北京掌阔技术有限公司 一种广告媒体投放量的数据挖掘方法和装置
CN105701681A (zh) * 2016-01-06 2016-06-22 北京京东尚科信息技术有限公司 用于预测订单量的方法和设备
CN105787136A (zh) * 2016-05-24 2016-07-20 北京京东尚科信息技术有限公司 数据挖掘方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427132A (zh) * 2015-12-01 2016-03-23 精硕世纪科技(北京)有限公司 一种广告效果的量化方法和系统
CN105976122B (zh) * 2016-05-18 2020-08-11 聊城大学 一种多目标资源配置系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663519A (zh) * 2012-04-01 2012-09-12 浙江盘石信息技术有限公司 网络广告投放中媒体选择的优化系统及方法
CN104636954A (zh) * 2014-12-08 2015-05-20 北京掌阔技术有限公司 一种广告媒体投放量的数据挖掘方法和装置
CN105701681A (zh) * 2016-01-06 2016-06-22 北京京东尚科信息技术有限公司 用于预测订单量的方法和设备
CN105787136A (zh) * 2016-05-24 2016-07-20 北京京东尚科信息技术有限公司 数据挖掘方法和装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361834A (zh) * 2020-03-02 2021-09-07 北京沃东天骏信息技术有限公司 一种确定分配量的方法和装置
CN113780710A (zh) * 2021-01-27 2021-12-10 北京沃东天骏信息技术有限公司 由电子设备执行的资源配置方法和资源配置装置
CN115226131A (zh) * 2022-07-19 2022-10-21 重庆邮电大学 一种基于能效权衡的资源分配方法
CN115277417A (zh) * 2022-07-29 2022-11-01 中国人民解放军国防科技大学 基于变异系数权重约束提升通信设备资源利用率的方法
CN115277417B (zh) * 2022-07-29 2024-01-16 中国人民解放军国防科技大学 基于变异系数权重约束提升通信设备资源利用率的方法

Also Published As

Publication number Publication date
CN108241898A (zh) 2018-07-03

Similar Documents

Publication Publication Date Title
WO2018113469A1 (zh) 一种资源分配方法和装置
Roldán et al. Variance-based structural equation modeling: Guidelines for using partial least squares in information systems research
US10977435B2 (en) Method, apparatus, and computer-readable medium for visualizing relationships between pairs of columns
US20080178145A1 (en) Method and System for Generating a Predictive Analysis of the Performance of Peer Reviews
US20150070379A1 (en) Techniques to manage color representations for a digital map
US20050228622A1 (en) Graphical user interface for risk assessment
US20150178134A1 (en) Hybrid Crowdsourcing Platform
US20210150443A1 (en) Parity detection and recommendation system
US20160132831A1 (en) System and method for human resource management
JP5572255B1 (ja) デジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラム
CN110457396A (zh) 一种基于区块链科研数据处理方法、装置、设备和存储介质
US9201768B1 (en) System, method, and computer program for recommending a number of test cases and effort to allocate to one or more business processes associated with a software testing project
JP2023551514A (ja) 生成的モデル予測における欠落している共変量からの不確実性を考慮する方法およびシステム
KR102195629B1 (ko) 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트에서의 작업 능력 지수에 기반한 작업자 선정 방법
WO2017203672A1 (ja) アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置
Danthurebandara et al. Effect of choice complexity on design efficiency in conjoint choice experiments
JP5993273B2 (ja) 意思決定支援システム及び方法
US20170243362A1 (en) Simplified texture comparison engine
JP2018156427A (ja) 情報処理装置、情報処理方法及びプログラム
CN113822517A (zh) 基于能力匹配的分案方法、装置
Almomani et al. Selecting a good stochastic system for the large number of alternatives
Al-Khowaiter et al. Examining the adoption of human resource information system in the context of Saudi Arabia
US20140200935A1 (en) Product Value Dynamic Lab Test Equipment Control, Data Analyzer and Method
Shen et al. The selection of benchmarking partners for value management: an analytic approach
Yoon Quantile regression analysis with missing response, with applications to inequality measures and data combination

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17883719

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC , EPO FORM 1205A DATED 01.10.19.

122 Ep: pct application non-entry in european phase

Ref document number: 17883719

Country of ref document: EP

Kind code of ref document: A1